具体描述
我们已经见证了社交媒体、智能手机以及其他科技奇迹的诞生与进化，这些科技工具让我们能够以前所未见的规模和深度采集并处理有关人类行为的数据，从而为研究人类社会提供了一个全新的路径。这本书是一部里程碑式的作品，它将彻底改变下一代社会科学家和数据科学家探索世界的方式。
大数据的10个共同特征是什么？
如何通过数据预测美国总统大选的结果？
如何在短时间内对100万个星系进行分类？
大规模数据采集面临着怎样的道德伦理困境？
科技公司是否在监视我们的行为，数字时代是不是将我们带进了“全景监狱”呢？
在计算社会学这一新兴领域，作者阐述了数字革命如何扭转了社会科学家和数据科学家观察行为、提出问题、开展实验和进行大规模协作的方式，详细描述了大批真实的案例，并且划定了面临伦理挑战时需要遵循的4项原则。
这本书用全新的数据模式解锁了社会学。对社会科学家来说，它是一本跨界指南之书；对数据科学家来说，它是一本素养提升之作。
作者简介
马修•萨尔加尼克（Matthew J. Salganik）
普林斯顿大学社会学教授，同时任职于该校的信息技术政策中心、数据与机器学习中心等。《科学》杂志评价他是“纯然的计算社会学家”。他的研究方向是社会网络、计算社会学。他的研究曾被微软、脸谱网和谷歌资助，并被《纽约时报》《华尔街日报》《经济学人》《纽约客》等主流媒体报道，美国公共广播电台还专题报道过他的研究成果。
目录信息
第 1 章 简介
1.1 一处墨迹 // 003
1.2 欢迎来到数字时代 // 005
1.3 研究设计 // 009
1.4 本书的主题 // 010
1.5 本书梗概 // 013
第 2 章 观察行为
2.1 简介 // 019
2.2 大数据 // 020
2.3 大数据的 10 个共同特征 // 023
2.3.1 海量性 // 024
2.3.2 持续性 // 028
2.3.3 不反应性 // 030
2.3.4 不完整性 // 031
2.3.5 难以获取 // 035
2.3.6 不具代表性 // 037
2.3.7 漂移 // 042
2.3.8 算法干扰 // 044
2.3.9 脏数据 // 046
2.3.10 敏感性 // 049
2.4 研究策略 // 051
2.4.1 计数 // 052
2.4.2 预测和临近预测 // 054
2.4.3 近似实验 // 059
2.5 结论 // 071
第 3 章 提问
3.1 简介 // 077
3.2 提问与观察 // 080
3.3 调查误差总框架 // 081
3.3.1 代表性 // 084
3.3.2 测量 // 087
3.3.3 成本 // 092
3.4 向谁提问 // 092
3.5 提问的新方法 // 102
3.5.1 生态瞬时评估法 // 104
3.5.2 维基调查 // 107
3.5.3 游戏化 // 112
3.6 与大数据资源相结合的调查 // 114
3.6.1 丰富型提问 // 115
3.6.2 扩充型提问 // 121
3.7 结论 // 130
第 4 章 开展实验
4.1 简介 // 133
4.2 什么是实验 // 136
4.3 实验的两个维度：实验室 – 实地以及模拟 – 数字 // 138
4.4 超越简单实验 // 145
4.4.1 效度 // 151
4.4.2 处理效应的异质性 // 156
4.4.3 原理 // 159
4.5 使实验成为现实 // 163
4.5.1 利用现有环境开展实验 // 165
4.5.2 创建自己的实验 // 170
4.5.3 创建自己的产品 // 174
4.5.4 与有能力的组织合作 // 175
4.6 建议 // 181
4.6.1 创造零可变成本数据 // 182
4.6.2 将道德伦理融入你的设计：替代、改进和减少 // 190
4.7 结论 // 196
第 5 章 进行大规模协作
5.1 简介 // 201
5.2 人本计算 // 203
5.2.1 星系动物园 // 205
5.2.2 政治宣言的公众编码 // 212
5.2.3 结论 // 216
5.3 公开征集 // 218
5.3.1 网飞奖 // 219
5.3.2 蛋白质折叠游戏 // 222
5.3.3 公众专利评审 // 225
5.3.4 结论 // 228
5.4 分布式数据采集 // 231
5.4.1 观鸟数据库 // 232
5.4.2 照片城 // 235
5.4.3 结论 // 238
5.5 设计你自己的大规模协作项目 // 241
5.5.1 激励参与者 // 242
5.5.2 利用异质性 // 243
5.5.3 集中注意力 // 244
5.5.4 允许惊喜 // 244
5.5.5 合乎道德伦理 // 246
5.5.6 最后的设计建议 // 247
5.6 结论 // 249
第 6 章 道德伦理
6.1 简介 // 253
6.2 三个事例 // 256
6.2.1 情绪感染项目 // 256
6.2.2 “3T”项目 // 258
6.2.3 “Encore”项目 // 259
6.3 数字时代的不同 // 261
6.4 四项原则 // 267
6.4.1 对人的尊重原则 // 268
6.4.2 有利化原则 // 269
6.4.3 公正原则 // 272
6.4.4 对法律和公共利益的尊重原则 // 273
6.5 两种道德框架 // 276
6.6 困难面 // 278
6.6.1 知情同意 // 278
6.6.2 理解与管理信息化风险 // 282
6.6.3 隐私权 // 291
6.6.4 面对不确定性做出决策 // 295
6.7 实用技巧 // 299
6.7.1 机构审查委员会是底线，不是上线 // 299
6.7.2 换位思考 // 301
6.7.3 将研究伦理视作连续的而非离散的过程 // 302
6.8 结论 // 302
历史附录 // 304
第 7 章 未来
7.1 展望 // 313
7.2 未来主题 // 313
7.2.1 现成品与定制物之间的融合 // 313
7.2.2 以参与者为中心的数据采集 // 315
7.2.3 研究设计中的道德伦理 // 316
7.3 回到开始 // 317
致 谢 // 319
参考文献 // 327
· · · · · · (收起)
读后感
评分
评分
评分
评分
用户评价
这本书的封面设计着实抓人眼球，那种深邃的蓝色调配上简洁的几何图形，让人一眼就觉得内容非同一般，充满了理性的力量感。我原本期待它能深入探讨现代社会数据洪流背下的权力结构与个体能动性之间的复杂博弈，尤其是关于算法伦理在公共政策制定中的应用前景，这可是当下学术界一个炙手可热的议题。然而，读完之后，我发现作者似乎将大部分篇幅集中在对宏观社会趋势的描述性梳理上，虽然资料翔实，引用了大量的统计数据，但缺乏那种穿透表象、直击核心机制的理论构建。譬如，在讨论社交媒体的极化现象时，我期待能看到更细致的社会网络分析模型或者行为经济学的切入点，来解释“回音室效应”的生成路径。遗憾的是，大部分论述停留在现象层面，没有提供足够坚实的分析工具去解释“为什么”会发生，更遑论提出创新的干预策略。对于一个渴望在理论前沿有所收获的读者来说，这多少有些意犹未尽，更像是一部精美的社会现象图鉴，而非一部硬核的理论工具书。它适合作为入门级的背景材料，但若想用于更高阶的研究，恐怕还需要补充大量的实证案例和更具原创性的理论框架。
评分从装帧和印刷质量上看，这本书绝对是物超所值，纸张的质感极佳，字体排版也很舒服，拿在手上沉甸甸的，很有分量感，这无疑是为阅读体验增添了不少愉悦的基调。在内容上，作者对历史脉络的回溯工作做得非常扎实，尤其是在追溯现代社会组织形态的起源时，引用了大量一手文献和档案资料，这为理解当下的困境提供了坚实的年代背景。然而，这种对历史的深度挖掘，也无形中限制了它对“当下”的即时回应能力。在许多关于人工智能、大数据伦理的讨论中，书中的论述往往倾向于将当代问题归结为历史的必然延续，这虽然有其道理，却忽略了技术革命本身带来的那种颠覆性、非线性的变化。例如，当讨论到“黑箱决策”的社会后果时，我期待能读到更多关于机器学习模型可解释性（XAI）的社会学解读，而不是仅仅停留在对传统官僚体系效率低下的批判上。这种对“新现象”的分析略显滞后，更像是用旧的分析工具去套用新的壳子，使得其对当前热点问题的穿透力有所减弱。
评分这本书的行文节奏拿捏得相当有章法，尤其是在案例的选择上，看得出作者下了不少功夫去搜罗那些既有代表性又极具冲击力的社会事件。我尤其欣赏它对城市化进程中空间正义议题的探讨，比如不同收入群体在城市资源分配上的差异，作者通过对比不同地理坐标下的基础设施享有率，勾勒出了一幅清晰的社会分层图景。这种基于地理空间的数据可视化能力是这本书的一大亮点，读起来让人感到信息量巨大且脉络分明。然而，在深入探讨这些现象背后的驱动力时，叙事风格突然变得略显保守和刻板。我本以为会看到对结构性不平等更具批判性的解读，比如探讨历史遗留问题如何通过当代制度设计被固化下来，或者权力精英如何利用信息不对称来维持现状。书中对“制度变迁的可能性”的讨论显得过于谨慎，仿佛对任何激进的变革都抱持着一种审慎的怀疑态度，这使得整本书的论述缺乏一种积极的、面向未来的建构性力量。对于关注社会变革驱动力的读者来说，这本书提供的似乎是“现状的精密诊断”，而非“未来的可行处方”。
评分我购买这本书的初衷，是希望能对当前全球化背景下，身份政治与技术治理如何相互塑造产生更深刻的理解。我特别关注书中是否能提供一套整合性的理论框架，来解释跨文化群体在数字公共领域中的冲突与融合机制。书中确实触及了全球化带来的文化冲击，也提及了一些国际案例，但这些案例之间的联系性似乎不够紧密，更像是散落的珍珠，而非串联成一条有力的项链。不同章节之间的主题跳跃感略强，缺乏一个贯穿始终的、能够统摄所有议题的“核心灵魂”。比如，前面对文化身份的讨论，与后面对技术监管的探讨，似乎是用两条平行的线索在发展，直到最后一章才勉强尝试进行交汇，但这种交汇显得有些仓促和牵强。我期待的是一种“嵌入式”的分析，即身份政治如何具体地嵌入到技术平台的底层代码设计和数据采集标准中去。这本书给出的更多是一种“并列式”的描述，即“这是身份问题”和“那是技术问题”，二者之间更像邻居而非共生关系。
评分坦白讲，这本书的语言风格非常典雅，读起来有一种久违的学术庄重感，那种严谨的措辞和复杂的句式结构，让人不得不放慢速度，逐字逐句地去品味作者的每一个判断。这种风格在当下追求快餐式阅读的时代，显得尤为可贵。作者对于某些经典社会学理论的梳理和引用，显示出深厚的学术功底。但这种对“形式美”的过度追求，有时却成了理解内容的障碍。在涉及复杂模型或数据分析结果的呈现时，作者倾向于用大段的、复杂的描述性文字来代替清晰的图表或数学表达，这对于习惯了图文并茂的现代读者来说，阅读体验多少有些吃力。例如，在解释特定社会变量之间的交互作用时，如果能用一个清晰的流程图或者回归分析结果的摘要来展示，会比三页的文字描述来得更有效率和说服力。因此，这本书更像是一部适合在书房里，伴着一杯浓茶慢慢研读的学术专著，但作为快速获取知识或教学参考材料，其效率可能要打个折扣。
评分很棒！
评分讲研究策略的部分举了King, Pan and Roberts (2013)的例子，不知道是否完整翻了
评分Salganik的书非常清晰，通过详解若干论文实例串联了计算社会研究方法的重要方面，能够起到指导研究的作用。这本书也算是不错的译本，不过标题“计算社会学”还是不够贴切，“计算社会研究方法”可能更好。通体译文流畅，结合英文阅读效果更佳，译本删除了部分关于中国的研究，一些专业词汇没有标注英文，参考文献也并没有印出。
评分传统统计学与社会学的结合，与今日读的《为什么》进行比较阅读，在提及的对象样本相同的情况下，(吸烟，流行病学等例)，两本书在思维方法上的差异非常明显。如何问问问题，果然会导致答案的不同，答案不同，解释的成因也就不同。
评分Zhang Han, Gary King等敏感一点的东西都被删除了。
相关图书
本站所有内容均为互联网搜索引擎提供的公开搜索信息，本站不存储任何数据与内容，任何内容与数据均与本站无关，如有需要请联系相关搜索引擎包括但不限于百度，google,bing,sogou 等
© 2026 book.quotespace.org All Rights Reserved. 小美书屋 版权所有